ZELFRIJDENDE AUTO'S IN HET LMS. Maaike Snelder Bart van Arem, Remko Smit, Martijn de Kievit

Vergelijkbare documenten
Bijlage B: Ontwerp-tracébesluit A7/N7 Zuidelijke Ringweg Groningen, fase 2

Bijlage B: bij Toelichting Tracébesluit A7/N7 Zuidelijke Ringweg Groningen, fase 2

Rekening houden met onzekerheden in het MIRT-proces. Impact op mobiliteitsontwikkelingen

Civiele Techniek en Geowetenschappen. Methodische Verkenning Zelfrijdende Auto s en Bereikbaarheid

Antonin- een model voor de regio Parijs 5 maart 2014

De informatiebehoefte van mobiliteitsbeleid

De latente vraag in het wegverkeer

Impacts van autonome voertuigen in de Provincie Noord-Holland en de Vervoerregio Amsterdam

Mobiliteit en Stad. Twee kanten van dezelfde medaille. Utrecht, 21 maart Arie Bleijenberg Koios strategy

Stedelijke transitie: uitdagingen vanuit mobiliteit

Mobiliteitseffecten van vroege vormen van zelfrijdende auto s. Een systeem dynamische benadering

Transportinnovaties en ruimte: uitdagingen en dilemma s

STAQ in HAAGLANDEN. PLATOS 11 maart Beeld plaatsen ter grootte van dit kader. Bastiaan Possel

Mobiliteit in perspectief

Verslag en resultaten 2030: wie werkt er in het ov? 20 juni 2016

RWS BEDRIJFSINFORMATIE. NMCA Wegen. Achtergrondrapport. Datum 6 april 2017 Status Definitief

Consequenties van Automatisch Rijden Prof Dr Ir Bart van Arem Director TU Delft Transport Institute

Deltaplan Bereikbaarheid 2030

Het Nederlands Regionaal Model 2011, een excellent model voor de toekomst

Betrouwbaarheid van OV in verkeersmodellen

Toekomstbeelden automatische voertuigen

Effecten van Mobility Mixx voor de BV Nederland

Inhoud presentatie. Netwerkanalyse Ring Utrecht Wat levert het op? 1. Achtergronden Netwerkanalyse Utrecht. 1. Achtergronden Netwerkanalyse Utrecht

Automobiliteit in de stadsregio in 2030: Verkenning van de bandbreedte

Toekomstbeelden automatische voertuigen

Nu alleen nog lekker soepel rijden

Modelleren actieve vervoerswijzen Allegro

Impacts of automated driving

IMPACTSTUDIE AUTONOME VOERTUIGEN

Ontwikkelingen en Consequenties van Automatisch Rijden

Indicator voor robuustheid van het hoofdwegennet

Gevoeligheidsanalyses Nationale Markt- Capaciteitsanalyse

Big Data en mobiliteitsbeleid

Trends in mobiliteit. Huib van Essen, 23 januari 2018

MIRT onderzoek Noordwestkant Amsterdam. 1 juni 2016 PORA Terugblik Analysefase en Vooruitblik Oplossingsrichtingenfase

Regionaal OV Toekomstbeeld 2040 Noord-Holland en Flevoland

Mobiliteit in Nederland onder de loep

verkeer veilige veiligheid verbindingen BIJLAGE 6: TAG CLOUDS MOBILITEIT staat stad stiptheid stress tijd tram trein treinen uur veilig

Emissievrije mobiliteit

Robuust openbaar vervoer vanuit een reizigersperspectief

Nationaal verkeerskundecongres 2016

NRM LIMBURG 2.1 REFERENTIEMATRICES Deel 3: Waar komt de groei vandaan?

StreamLine (Showcase Model Amsterdam)

Fiets en OV. Danique Ton PhD: Keuzegedrag van Fietsers en Voetgangers. Niels van Oort Assistant Professor: Openbaar Vervoer. #FietsOV #SUMS2017

'foto bereikbaarheid 2016' hoe, wat en waarom

Kosten en baten van robuustheid en comfort in OV modellen

MIRT-Verkenning A67 Leenderheide - Zaarderheiken. Inloopbijeenkomsten 19 april 2018, Sevenum

Betreft: Mondeling overleg structuurvisie NWO Den Haag, 1 april 2014

Mobiliteit in Nederland onder de loep

(Auto)mobiliteit in Nederland onder de loep

Modelleren van onzekerheid, met zekerheid!

ITS Ronde tafel Human Behaviour Transition of control; het overnemen van rijtaken van de bestuurder door de auto en vice versa

Modellen als hulpmiddel bij het ontwerpen van een optimaal multimodaal verkeersnetwerk Ties Brands 06/03/2014 1

Handleiding Abonnement op NS-Business Card wijzigen naar Traject Vrij met Gesplitst Betalen

Netwerk RandstadRail. verkeer en vervoer

Wat wordt de Randstad er beter van?

Auto inruilen voor e-bike in Vlaanderen: modelresultaten in beeld

Openbaar Vervoer in Leiden Routes door de binnenstad. Elke dag dichterbij!

Wegen gebouwd op achterhaalde groeiscenario s auteur: Huib van Essen, CE Delft

C-ITS in het OV De coöperatieve bus. 6 oktober 2016

Mobiliteit in Nederland onder de loep

Verstedelijking & Infrastructuur Ruimteconferentie 2013

De voorzitter van de Tweede Kamer der Staten-Generaal Binnenhof AA Den Haag

MIRT-procedure. Initiatief Verkenning Planuitwerking Realisatie Beheer

TRANSITIES IN ROTTERDAM

Welkom. Informatiebijeenkomst Raad & Staten. 3 december 2013

Ruimte en mobiliteit In wisselwerking Trends en veranderingen Effectief beleid. Heerlen, 23 november 2018 Arie Bleijenberg

CT2710 Transport & Planning Sommencollege delen 1 en 2

KURT VERLINDEN WAT BETEKENT EEN MULTIMODAAL MODEL OP LOKAAL NIVEAU? Verkeersdata en -software Mobiliteitsacademie 2 juni 2014

Beter Benutten ITS. Landelijke inventarisatie regionale knelpunten en oplossingsrichtingen voor C-ITS (connected & coöperatief) CONCEPT

Verkeersmodel Amsterdam: ontwikkeling van een nieuw stedelijk model

Een Vlaming maakt in 2000 gemiddeld 2,8 (2,76) verplaatsingen per dag en legt hierbij gemiddeld 33 (32,7) km af.

Bijlage 3 Uitkomsten update NMCA

Factsheet effecten bedrijfsleven 16 oktober 2009

Renovatie Velsertunnel

Stadspanel-onderzoek naar mobiliteit en City Line

Bereikbaarheidswinst van openbaarvervoerknooppuntenbeleid. Prof. dr. ing. Karst Geurs

Transparantie in dynamische modellen voor wegverkeer

25/02/2016. STAP 2 Distributie. STAP 1 Ritgeneratie (en tijdstipkeuze) STAP 3 Vervoerwijzekeuze. STAP 4 Toedeling. Resultaten.

De Macro-aanpak van micromodellen. Door: Erik Vandermeersch

Onderzoek Verplaatsingsgedrag Vlaanderen ( ) Analyserapport

JONGERE N EN MOBILITEI T. T h o m a s S t r a atemeier

De weg naar de zelfrijdende auto s: Waar staan we nu (eigenlijk echt)? Prof. Dr. Marieke H. Martens

COLLECTIEF VERVOER. Wat verstaan we eronder, wat is het probleem en wat is de kracht ervan?

MaaS: Samenwerken aan optimalistie van het mobiliteitssysteem

Evaluatie van netwerkmanagement

Voorstel 1. Het MRDH-verkeer- en vervoermodel 2.0. vast te stellen en het model vrij te geven voor gebruik aan de MRDH-gemeenten.

N33 Assen - Zuidbroek

Schriftelijke vragen (art. 42 RvO)

Onderzoeksvoorstel Opbouw gefaseerde besluitvorming Purmerend

Verkennend onderzoek HOV SOOMR

Ontwerpen van een stedelijke deelfietssysteem gericht op forenzen en zakelijke reizigers in Nederland. Hélène van Heijningen 20 september 2016

Potentie multimodaal vervoer in stedelijke regio s

Pijler 1: Inspelen op veranderende mobiliteitsstromen

INHOUDSOPGAVE WHITEPAPER ZELFRIJDENDE AUTO. Leasen met voorrang

Samen voor de slimste mobiliteit in de Brainport regio. Bram Hendrix (SRE) Maarten van Oosterhout (SRE) - Eindhoven, 6 november

Documentatie van GM 2011 Deel D1. Inleiding. Datum 15 maart 2012

ONDERZOEK VERPLAATSINGSGEDRAG ANTWERPEN (APRIL APRIL 2000)

05 APRIL :00-17:00 PILOT INFORMATIESYSTEEMSYSTEEM KNOOPPUNTEN MINISTERIE VAN FINANCIËN - KORTE VOORHOUT 7, DEN HAAG (REMBRANDZAAL)

Maatschappelijke Kosten- Batenanalyses

Transcriptie:

ZELFRIJDENDE AUTO'S IN HET LMS Maaike Snelder Bart van Arem, Remko Smit, Martijn de Kievit

ACHTERGROND Automatische voertuigen zijn er al! Automatische voertuigen komen er aan! Automatische voertuigen hebben grote impact op doorstroming, veiligheid en milieu Hoe groot is de impact? Waar kunnen we het beste in investeren?

2016 NMCA Eind 2016: kwantitatief rekening houden met ontwikkelingen op het vlak van automatische voertuigen in de NMCA. Presentatie 2014: studie TU Delft, analyse beschikbare kennis + opstellen kennisvragen modelleren met LMS/NRM (Snelder, M., van Arem, B., Hoogendoorn, R., van Nes, R. (2015),Methodische Verkenning Zelfrijdende Auto s en Bereikbaarheid, TU Delft, T&P 1501) 2015: studie TNO, HOE aanpassen LMS, scenario s, modelinvoer (Snelder, M., de Kievit, M., van Arem, B. (2016), Automatische voertuigen in het LMS ten behoeve van de NMCA 2016, TNO rapport TNO 2015 R11652)

IMPACT

NIVEAUS VAN AUTOMATISCH RIJDEN

Milakis, D., van Arem, B., van Wee, B. 2015 (work in progress). Implications of automated driving. Delft Infrastructures and Mobility Initiative.

SCENARIO S EN MODELINPUT

SCENARIO S Nieuwe WLO-scenario s Hoog en Laag Gevoeligheidsanalyses zelfrijdende auto s zijn de knelpunten in het lage scenario er ook nog als automatische voertuigen hun intrede doen? Ontstaan er aanvullende knelpunten? Scenario s PBL en KIM modelruns specificeren in vervolg

PENETRATIEGRAAD Bron: Nieuwenhuijsen, 2015 Besluit: gelijk verdeeld (keep it simpel

CAPACITEIT Relatie bepalen tussen penetratiegraad SAE-levels en pae-waardes/capaciteit. Focus op HWN inclusief afritten. Onderscheid naar verschillende wegkenmerken. Bron: Shladover, Su, & Lu, 2012

PENALTY VOOR REISTIJD/VALUE OF TIME Autopassagiers Treinreizigers Gevoeligheidsanalyses

OVERIGE MODELINVOER Modelinvoer Keuze Voertuigtypes Besluit: 3 types: SAE 0/1; 1/2; 4. Niveau 4 uitwerken wat dit is: dedicated infrastructuur ontstaan er knelpunten? consequentie MIRT Wegen Buffercapaciteit Autobezit Brandstofkosten Voor-&natransport Trein & BTM Parkeren Vrachtmatrix Wegen definiëren waarop automatisch rijden (per level) en vracht pelotonvorming mogelijk zijn (generiek per wegtype of aparte wegen aanwijzen) Nog nader te bepalen Op basis van literatuur Brandstofkosten: uit literatuur Parallel traject OV: relaties waarop voor-en natransportreistijd van de trein korter wordt als gevolg van dedicated level 4 systemen Parallel traject OV knoppen mogelijk maken Bij niveau 4 eenvoudiger. Exogeen. Uitsplitsing naar vrachtauto s per niveau van automatische voertuigen is wel mogelijk (zie penetratiegraad SAE-levels).

MODEL- AANPASSINGEN

VERKENNENDE MODELRUNS Autonoom 5% afname capaciteit HWN Trein 100,3 Autobestuurder 99,8 Autopassagier 99,7 Bus, tram, metro 100,2 Fiets 100,1 Lopen 100,1 Index reizen Totaal 99,98 Index congestie HWN 115,7 gebaseerd op versie van het LMS die nog niet geschikt is cijfers niet gebruiken! Cooperatief 15% toename capaciteit HWN 10% toename capaciteit OWN 10% afname VOTwoon-werk, zakelijk Trein 98,8 Autobestuurder 100,8 Autopassagier 101,4 Bus, tram, metro 99,2 Fiets 99,3 Lopen 99,4 Totaal 100,1 Index reizen Index congestie HWN 64,0 Snelder, M., Van Arem, B., Hoogendoorn, R. and van Nes, R., 2015. Methodische Verkenning Zelfrijdende Auto s en Bereikbaarheid, TU Delft - T&P 1501, ISSN 2212-0491.

HUIDIGE VERSIE - VERBETERPUNTEN Invoermogelijkheden: Capaciteit afritten aanpassen Pae-factor vracht voor congestiemodellering VOT toedeling hele rit deel van rit Vraagmodellering Penalty voor reistijd Gebruikersklassen in de vraagmodellering Exogeen Vrachtmatrix Parkeren Autobezit Locatiekeuze Toedeling Gebruikersklassen in de toedeling Routekeuze fileterugslag bij afritten

4 OPTIES 1) * 2) splitsing * Toedeling Vraagmodellering Vraagmodellering* * splitsing * Toedeling * Vraagmodellering Vraagmodellering Toedeling 3) 2) splitsing 4) Toedeling * Toedeling *

VERVOLGSTAPPEN

VERVOLGSTAPPEN Modellering LMS Keuze maken voor één van de opties Implementeren en testen opties Modelruns en modelinvoer Keuze scenario s/runs gevoeligheidsanalyse. Vaststellen penetratiegraad van niveau 0/1, 1/2 en 4 voor auto s en vrachtverkeer per modelrun + verdere beschrijving van de verschillende niveaus (mate waarin de voertuigen coöperatief zijn). Bepalen netwerktypologie per modelrun. Specificeren capaciteiten/pae waardes per modelrun voor verschillende wegvaktypes. Afstemming overige modelinvoer per modelrun. Doorrekenen effecten automatische voertuigen

VRAGEN? MAAIKE.SNELDER@TNO.NL M.SNELDER@TUDELFT.NL